《表1 信息融合结果：基于排名学习和多源信息的地图匹配方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于排名学习和多源信息的地图匹配方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为验证本文方法在信息融合方面的表现及所设计的评分网络的有效性，将本文方法与MLP方法做了对比；为验证本文方法能够有效融合新类型的数据，保持查询向量qi不变，在候选道路的向量表示mi的额外属性分量ai中依次增加道路行驶方向限制及上次匹配结果到该候选道路的最短路径距离，并以CSI作为结果的度量标准，实验结果如表1所示。结果表明，本文提出的评分网络在地图匹配问题上较直接使用MLP的准确率更高。在面对新的数据时，本文方法无须重新设计新的算法，只需重新训练评分网络。结果显示，重新训练后准确率有显著提升。在不重新建模的前提下，当道路行驶方向缺失时，基于距离特征和夹角特征的方法，只能简单地删除与道路行驶方向相关的公式，导致准确率显著降低；当增加最短路径距离特征时，必须重新建模来确立新旧特征关系，否则无法利用新的特征。当缺失数据时，基于HMM方法无法得到正确的结果。综上所述，本文方法可以通过重新训练建立新的计算关系，当数据缺失时，确保准确率不会显著降低；当引入新数据时，能有效利用新数据提高准确率。